简单七步教你处理芯片原始数据

广告：工作室提供有偿芯片数据分析，大家有芯片相关数据处理，请留言....

很久没有处理芯片原始数据了，一般情况下去GEO下载数据的时候都是直接下载处理后的，所以用着用着也就懒了，今天去下载GSE42743的数据如图，发现竟然没有处理好的，纠结之余小编决定亲自从原始数据入手，开启洪荒之力。

下面小编就一步一步教你实战GEO芯片原始数据处理

---

01

下载芯片数据，进入GEO首页搜索跟自身研究相关的GEO数据集，找到合适的数据比如GSE42743,点击进去找到如下图所示，可以看到File type为CEL即为原始数据啦，看到左侧有个http有木有，点击下载就哦啦

---

02

安装affy包，很显然原始芯片数据需要专门的包去处理，這里要使用affy包进行数据处理，所以安装這个affy包也很简单，有两种方法如下：

1、install.package('affy')

2、

source('https:///biocLite.R')

biocLite('affy')

择其一选择安装即可，如果一种方法不行就换一种

---

03

导入affy包，这里因为affy包可能用到其他的包，所以导入affy包之前需要导入它所依赖的包，如果没有安装的话，就自行安装就好了，导入包如下：

library(BiocGenerics)

library(parallel)

library(Biobase)

library(affy)

---

04

设置数据环境，导入affy完毕了之后，现在需要配置数据环境以便能够对原始数据提取，先解压下载下来的GSE42743_RAW文件，然后可以看到所有的CEL文件都在这个文件夹下面，可能你会发现后缀怎么会有个gz，不用担心这是一种数据压缩格式，affy会自动解压，无需自己提前解压；现在要设置当前操作目录，使用命令如下：

setwd('E:/Work/P1/SH824/GSE42743_RAW')

注意哦，路径别写错啦

---

05

读取原始数据啦，通过包的导入和数据环境的准备之后，现在开始读取数据，也很简单啦，有两种方式哦，代码如下：

1、rawdata <- ReadAffy()###读取全部的原始文件，这个时候就考验你的电脑内存了

2、rawdata1 <- ReadAffy('GSM1049165_MDA-HNS-112.CEL.gz')###读取单个原始文件

---

06

标准化，读取完数据当然是处理和标准化啦，这一步呢也是一条命令的事，但是芯片数据标准化方法很多，小编常常使用的两种标准化方法分别为rma和mas5，这里都奉献给你吧，代码如下：

1、eset <- rma(rawdata) #rma标准化方式

2、eset <- mas5(rawdata)#mas5标准化方式

注意哦，rma只使用pm信号，exp数据已经进行log2处理。mas5综合考虑pm和mm信号，exp数据没有取对数。

---

07

很显然，现在要把得到的芯片数据标准化的结果进行保存了，使用代码如下：

write.exprs(eset, file='NormalizedData.txt')

保存在了当前工作目录下哦

当然如果你不想保存，还想继续用的话就使用exprs函数进行转换成表达谱矩阵啦，代码如下：

exp <- exprs(eset)

总结一下小编的代码如下

---

library(BiocGenerics)

library(parallel)

library(Biobase)

library(affy)

setwd('GSE42743_RAW')

rawdata <- ReadAffy()

eset <- rma(rawdata)#eset <- mas5(rawdata)

#rawdata1 <- ReadAffy('GSM1049165_MDA-HNS-112.CEL.gz')

write.exprs(eset, file='NormalizedData.txt')

---

小贴士

这其中呢要画图嘛，主要涉及两张图，一张是标准化前的，一张是标准化后的箱线图，其实也很简单啦

标准化前，绘图，代码如下：

boxplot(exprs(rawdata))

没图！！！！因为小编电脑死机了

标准化后，绘图代码如下：

boxplot(exprs(eset))

怎么看这个前后效果呢，就看图中小编画了红色的那条线，中位数的分布是否在一条线上，很明显标准化前都不全在一条线上（无图无真相，自己试吧），标准化后在一条线上了。

---